文章 "中心引力优化（CFO）算法" 新评论 MetaQuotes 2026.02.24 07:13 新文章 中心引力优化（CFO）算法已发布： 本文介绍了一种受万有引力定律启发的中心引力优化（CFO）算法。它探讨了物理引力的原理如何解决优化问题，其中“较重”的解决方案会吸引不太成功的对应物。 引力是根据类似于牛顿万有引力定律的规则计算的。这取决于探测器之间的“重量”差异（解决方案质量的差异）和它们之间的距离。具有高适应度函数值的探测器强烈吸引具有低值的附近探测器，但对远处样本的影响很小。在这些力的影响下，每个探测器都加速并开始移动。小的、“轻的”探测器像球从山坡上滚到山顶一样，迅速冲向“更重的”探测器。在算法的每一步中，探测器都会重新计算吸引力并调整其运动。如果探测器试图超出已确定的搜索区域边界，则会触发反射机制 —— 想象一下，区域边缘有一堵墙，探测器会从墙边反弹回允许的区域。 随着时间的推移，探测器开始聚集在地形的高地周围。它们大多集中在最有希望的区域周围，并且随着每一次迭代，它们都能更准确地确定峰值的位置。理想情况下，如果给算法足够的时间，所有探测结果都应该收敛到全局最大值附近 —— 整个地貌的最高点。 CFO 的特殊之处在于它本质上是一个确定性算法 —— 如果你用相同的初始探测器分布运行两次，它将给出相同的结果。这使其有别于许多其他依赖随机性的元启发式算法。 作者：Andrey Dik 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 中心引力优化（CFO）算法已发布：
引力是根据类似于牛顿万有引力定律的规则计算的。这取决于探测器之间的“重量”差异（解决方案质量的差异）和它们之间的距离。具有高适应度函数值的探测器强烈吸引具有低值的附近探测器，但对远处样本的影响很小。在这些力的影响下，每个探测器都加速并开始移动。小的、“轻的”探测器像球从山坡上滚到山顶一样，迅速冲向“更重的”探测器。在算法的每一步中，探测器都会重新计算吸引力并调整其运动。如果探测器试图超出已确定的搜索区域边界，则会触发反射机制 —— 想象一下，区域边缘有一堵墙，探测器会从墙边反弹回允许的区域。
随着时间的推移，探测器开始聚集在地形的高地周围。它们大多集中在最有希望的区域周围，并且随着每一次迭代，它们都能更准确地确定峰值的位置。理想情况下，如果给算法足够的时间，所有探测结果都应该收敛到全局最大值附近 —— 整个地貌的最高点。
CFO 的特殊之处在于它本质上是一个确定性算法 —— 如果你用相同的初始探测器分布运行两次，它将给出相同的结果。这使其有别于许多其他依赖随机性的元启发式算法。
作者：Andrey Dik